Nano Hash - криптовалюты, майнинг, программирование

Файл PropertyPlaceholderConfigurer не найден

Я пытаюсь использовать PropertyPlaceholderConfigurer с внешним файлом свойств, который не является частью файла WAR.

Я настроил bean-компонент следующим образом:

<property name="location" value="${jboss.server.data.dir}/my-dir/common.properties"/>

Когда файл WAR был развернут, я получил сообщение об ошибке:

..... Не удалось загрузить свойства; вложенным исключением является java.io.FileNotFoundException: не удалось открыть ресурс ServletContext [/C:/dir/jboss-as-7.1.1.Test/standalone/data/my-dir/common.properties]

Как я могу поместить файл свойств вне файла WAR?

11.01.2013

Ответы:


1

Да, можете, но используйте значение classpath:common.properties. Просто убедитесь, что это где-то в пути к классам.

<property name="location" value="classpath:common.properties"/>

Вы также можете использовать файл: чтобы заставить это работать, если он не находится в пути к классам.

<property name="location" value="file:${jboss.server.data.dir}/my-dir/common.properties"/>
11.01.2013
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..